RPad R:s statistik, på din iPad.
En analys förstår man genom att själv utföra den: läsa in data, pröva en modell, läsa utdata, börja om. RPad lägger det arbetet i dina händer, var du än tänker, med språket R och R:s resultat.
För iPad med iPadOS 17 eller senare. Gratis att hämta: en fullständig provperiod på 7 dagar, sedan 30 CHF per år eller 90 CHF som engångsköp.
Tänk med data, där du tänker
Statistik lär man sig genom att själv ställa frågan till data: man anpassar en modell, läser utdata, gör fel, försöker igen. Inom psykologin, liksom inom många andra ämnen, förs den dialogen i R: det är språket i kurserna, läroböckerna och artiklarna. Vi tror att den ska kunna föras överallt – på föreläsningen, på biblioteket, på tåget – och ge samma resultat som i en artikel. Det är därför RPad finns: för att göra iPad till en komplett arbetsstation för statistik.
En R-motor skriven för iPad
RPad har en egen R-motor, skriven för iPad: den läser och kör språket R direkt på enheten. Ett resultat är bara värt något om det är rätt; därför jämför vi RPad med R. Varje paket som är markerat med en stjärna i RPad har klarat testskript vars utdata stämmer överens med R:s: samma skattningar, samma test, samma diagram. I dag är de 75, från tidyverse till lme4 och brms. När en skillnad är känd beskriver appen den bredvid paketet.
Öppna ett skript
En .R-fil från appen Filer eller iCloud Drive, eller ett nytt skript. Data läses in som i R: read.csv(), readr, readxl för Excel, haven för SPSS, Stata och SAS.
Kör
Den aktuella raden eller hela skriptet med en gest; eller skriv direkt i konsolen. Med ett tangentbord kör ⇧⌘↩ hela skriptet.
Läs resultatet
Utdata i konsolen, objekten i miljön, diagrammen på sin flik och som PDF-, PNG- eller SVG-fil med pdf(), png() eller svg().
Det här hittar du i RPad
R:s arbetsyta
Skript, konsol, miljö, historik, filer, diagram, paket och hjälp: panelerna som alla som har lärt sig R känner igen, på iPad-skärmen.
Klassiska test
t-test, ANOVA och multipla jämförelser, χ², korrelationer, linjär och logistisk regression; effektstorlekar och statistisk styrka med lsr och pwr; ANOVA av typ II och III med car.
Blandade modeller
lme4 och nlme för slumpeffekter, pbkrtest för Kenward-Roger-test, mgcv för additiva modeller, survival för överlevnadsanalys.
Psykometri
psych och GPArotation: Cronbachs alfa, faktoranalys och principalkomponentanalys, rotationer, beskrivande statistik per grupp.
Bayesiansk statistik
Stan via cmdstanr, brms och rethinking: modellerna kompileras direkt på iPad. BayesFactor för Bayesfaktorer; posterior, loo och coda för att läsa kedjorna.
Tidyverse
dplyr, tidyr, purrr, readr, stringr, forcats, lubridate och ggplot2; data.table för stora tabeller; dagitty för kausala grafer.
Paket från CRAN
Fliken Paket söker i CRAN och installerar; install.packages() fungerar också i konsolen. En stjärna markerar paketen vars utdata har kontrollerats mot R.
Diagram
Basgrafik och ggplot2 visas på sin flik. För en artikel ger pdf() och svg() vektorfigurer, skarpa i alla storlekar.
Så ser det ut
Kontrollerat mot R
Varje paket nedan har provats i RPad med skript vars utdata jämförs rad för rad med R:s:
- backports
- BayesFactor
- bit
- bit64
- brms
- car
- checkmate
- cli
- cmdstanr
- coda
- colorspace
- dagitty
- data.table
- distributional
- dplyr
- dtplyr
- farver
- forcats
- forecast
- foreign
- generics
- ggplot2
- glue
- GPArotation
- gplots
- gtable
- haven
- hms
- hypergeo
- isoband
- jsonlite
- labeling
- lattice
- lifecycle
- lme4
- loo
- lsr
- lubridate
- magrittr
- Matrix
- matrixStats
- mgcv
- nlme
- pbkrtest
- pillar
- pkgconfig
- posterior
- psych
- purrr
- pwr
- quantreg
- readr
- readxl
- rethinking
- rlang
- S7
- scales
- sciplot
- shape
- SparseM
- stringi
- stringr
- survival
- tensorA
- tibble
- tidyr
- tidyselect
- tidyverse
- timechange
- tzdb
- utf8
- vctrs
- vroom
- withr
- xml2
R:s baspaket – base, stats, graphics, utils, datasets – är skrivna i motorn och kontrolleras på samma sätt; basgrafiken jämförs streck för streck med R:s PDF-filer.
Vem är det för?
För psykologistudenten som läser en statistikkurs med R och vill göra om övningarna var som helst; för den som forskar och går igenom en analys, kontrollerar en blandad modell eller anpassar en bayesiansk modell mellan två möten; för läraren som kör ett skript inför klassen och lämnar det till studenterna.